Hak cipta dan penggunaan kembali:
Lisensi ini mengizinkan setiap orang untuk menggubah,
memperbaiki, dan membuat ciptaan turunan bukan untuk
kepentingan komersial, selama anda mencantumkan nama
penulis dan melisensikan ciptaan turunan dengan syarat
yang serupa dengan ciptaan asli.
Copyright and reuse:
This license lets you remix, tweak, and build upon work
non-commercially, as long as you credit the origin creator
and license it on your new creations under the identical
terms.
BAB III
METODE PENELITIAN
3.1 Gambaran Umum Objek Penelitian
Xiaomi didirikan pada tahun 2010 oleh pengusaha yang bernama Lei Jun. Lei Jun percaya bahwa sebuah teknologi dengan kualitas tinggi tidak memerlukan biaya yang mahal. Untuk mencapai visi tersebut, Xiaomi merekrut beberapa orang berpengalaman dari Microsoft, Google, Kingsoft, Motorola, Yahoo dan perusahaan IT lainnya dari seluruh dunia.
Xiaomi fokus dalam membuat hardware, dan perangkat lunak. Perusahaan ini kini bernilai lebih dari 10 miliar USD dan memiliki lebih dari 3000 karyawan. Produk Xiaomi yang tersedia dipasaran adalah Mi 4, Mi 3, Mi Pad, Mi Box, Mi TV, Redmi 1S dan Redmi Note, Mi Power Bank dan aksesoris pendukung lainnya
"Just for fans" merupakan slogan Xiaomi, karena setiap langkah dari jalan dipimpin oleh penggemar Xiaomi. Dalam perektrutan staf pada awalnya merupakan penggermar produk dari Xiaomi. Sehingga Xiaomi memiliki sebuah tim yang penuh gairah dan juga memiliki sikap yang sama dalam arti setiap staf Xiaomi mengejar kesempurnaan tanpa henti. Xiaomi berupaya secara terus menerus emperbaiki dan meningkatkan apa yang dapat memberikan pengalaman pengguna yang terbaik.
Xiaomi selalu mencoba konsep baru yang mendobrak tradisi dan batasan.
Kemudian dengan dukungan fans Xiaomi serta mentalitas dan dedikasi berikutlah yang telah membuat produk Xiaomi begitu unik.
Kata "MI" pada logo Xiaomi adalah singkatan dari Mobile Internet. Selain itu, kata tersebut memiliki definisi lain, yaitu "Mission Impossible". Hal itu dilatar belakangi karena terdapat banyak hambatan yang ditempuh, serta kritik yang menyebutkan bahwa visi Xiaomi yang tidak realible.
Gambar3.1 Logo Xiaomi
Sumber : www.mi.com/id/about
Pada mulanya adalah perusahaan software yang membuat custom ROM yang berbasis android (Inet.detik.com). Pada tahap pertama pendaanaanya, investor yang menanamkan modal ke perusahaan Xiaomi hanya Temasek yang berasal dari Singapura dan perusahaan prosesor Qualcomm (Inet.detik.com). Tujuan awal Xiaomi adalah menyediakaan fungsionalitas tambahan yang belum ditawarkan di Android biasa beserta user interface yang mudah digunakan yaitu ROM dengan nama MIUI. ROM MIUI sangat popular dikarenakan kemudahaan penggunaan dan adanya layanan menarik seperti back up iCloud pada Iphone. Pada Tahun 2011 Xiaomi memasuki pasar ponsel dengan produk pertamanya yaitu Mi one, produk
yang berfokus pada spesifikasi tinggi namun dengan harga yang miring. Kemudian pada tahun 2013 Xiaomi menghasilkan pendapatan sebesar USD 5 milliar dari perusahaan yang baru berdiri pada tahun 2010 (Inet.Detik.com). Berikut ini merupakan tampilan MIUI
Gambar 3.2 Custom ROM Android MIUI
Untuk di Indonesia sendiri Xiaomi teatap menggunakan penjualan secara
online bekerja sama dengan situs belanja online Lazada.com namun penjualan
produk Xiaomi yang tersedia hanyalah Xiaomi Redmi 1s dan Xiaomi Redmi note. Tampilan produk Xiaomi yang dijual di Lazada adalah sebagai berikut.
Gambar 3.3 Tampilan Produk Xiaomi di Lazada
Sedangkan toko online lainnya seperti Blibli.com menyediakan produk terbaru dari keluaran Xiaomi yaitu Mi3 dan Mi4. Berikut ini merupakan tampilan produk terbaru Xiaomi Mi4 di Blibli.com
Gambar 3.4 Tampilan Produk Xiaomi Mi4 di Blibli.com
3.2 Desain Penelitian
Desain penelitian adalah rancangan atau kerangka dalam melakukan riset pemasaran yang memberikan rincian dari setiap langkah yang dibutuhkan untuk memperoleh informasi yang diperlukan dalam memecahkan masalah yang ditemukan dalam riset pemasaran (Malhotra, 2012:98). Basic Research design terbagi menjadi dua, yaitu exploratory research design dan conclusive research
design. Exploratory research design merupakan jenis desain penelitian yang
memiliki tujuan utamanya mencari wawasan dan pemahaman dari situasi masalah yang dihadapi oleh peneliti, sedangkan conclusive research design adalah desain penelitian yang bertujuan membantu pengambilan keputusan dalam menentukan, mengevaluasi, dan memilih tindakan yang terbaik untuk situasi tertentu (Malhotra 2012:100).
Berikut adalah gambar dari basic research design:
Gambar 3.5 Klasifikasi Marketing Research Designs
Sumber: Malhotra, 2012:100 Research Design Exploratory Research Design Descriptive Research Cross-Sectional Design Conclusive Research Design Causal Research Longitudinal Design
Berdasarkan gambar 3.5 dapat dilihat bahwa conclusive research design dibagi menjadi 2, yaitu descriptive research dan causal research. Penelitian
descriptive adalah penelitian konklusif yang memiliki tujuan utama untuk
mendeskripsikan sesuatu, biasanya karakteristik atau fungsi pasar (Malhotra, 2012:104). Sedangkan, penelitian causal adalah jenis penelitian konklusif yang memiliki tujuan utama untuk mendapatkan bukti-bukti mengenai hubungan sebab-akibat (kausal) (Malhotra, 2012:108).
Penelitian ini merupakan penelitian descriptive. Terdapat dua metode dalam penelitian descriptive, yaitu cross-sectional design dan longitudinal design.
Cross-sectional design merupakan jenis penelitian yang hanya mengambil sample dari
populasi satu kali (Malhotra, 2012:105). Kemudian Cross-sectional desing dibagi menjadi dua yaitu single cross sectional design dan multiple cross sectional design. Sedangkan longitudinal design adalah jenis penelitian yang mangambil sample dari populasi dengan cara berulang kali. Metode penelitian yang digunakan oleh peneliti adalah cross-sectional design.
Marketing research data terdiri dari primary data dan secondary data. Primary data merupakan data yang berasal dari peneliti dengan tujuan khusus
untuk menangani masalah penelitian. Sedangkan secondary data merupakan data yang dikumpulkan untuk beberapa tujuan lain selain masalah yang dihadapi. (Malhotra, 2012:127). Dalam penelitian ini, peneliti menggunakan primary data dan secondary data.
Primary data terbagi menjadi dua bagian, yaitu qualitative data dan quantitative data (Malhotra, 2012:182). Qualitative data merupakan penelitian
yang memiliki pernyataan tidak terstruktur dan jumlah sample yang sedikit untuk menambah pengetahuan dan memahami permasalahan yang sedang terjadi.
Quantitative data terbagi menjadi dua bagian, yaitu penelitian descriptive dan causal (experimental data). Dalam penelitian ini, peneliti menggunakan quantitative data (descriptive) yaitu penelitian yang digunakan untuk mengukur
sebuah data dan biasanya menggunakan berbagai bentuk analisis statistik.
Experimental data merupakan proses memanipulasi satu atau lebih independent variable dan mengukur efek dari setiap variabel (Malhotra, 2012:258).
3.3 Ruang Lingkup Penelitian
Sampling design process terdiri dari lima tahap yang setiap tahapnya
berhubungan dengan seluruh aspek marketing research project. Ruang lingkup penelitian ini mencakup definisi populasi yang akan diteliti, menentukan sampling
frame, memilih teknik pengambilan sampel, menentukan sample size, dan sampling prosess (Malhotra , 2012:369).
Berikut adalah gambar dari sampling design process:
Gambar 3.6 Sampling Design Process
3.3.1 Target Populasi
Target populasi adalah kumpulan dari elemen atau objek yang memiliki informasi yang dibutuhkan oleh peneliti sehingga peneliti dapat membuat kesimpulan yang didalamnya terdapat element, sampling unit, extent dan time
frame (Malhotra, 2012:369). Target populasi pada penelitian ini adalah konsumen
yang belum sudah memiliki Xiaomi Mi3 yang sudah mengetahui produk
smartphone Xiaomi terbaru yaitu Xiaomi Mi4.
Element adalah objek yang memiliki informasi yang dicari oleh peneliti dan
sesuai dengan kebutuhan peneliti (Malhotra, 2012:366). Element dalam penelitian ini adalah dengan usia minimal 17 tahun.
Sampling unit adalah unit dasar yang berisi rangkuman elemen populasi yang akan
dilakukan sampel. Sampling unit harus memuhi syarat element yang dibuat oleh peneliti (Malhotra, 2012:369). Sampel yang diambil dalam penelitian ini adalah pengguna yang memilki Xiaomi Mi3 yang telah menggunakan lebih dari satu bulan, yang mengetahui Xiaomi Mi4 namun tidak mempunyai Xiaomi Mi4. Extent atau batas geografis dari penelitian ini adalah negara Indonesia.
Time Frame adalah waktu pelaksanaan dan pengambilan data penelitian (Malhotra,
2012: 370). Waktu penelitian hingga pengambilan data dengan menggunakan kuesioner yang dibagikan kepada responden dalam penelitian ini dimulai dari bulan September 2014 hingga Januari 2015.
Setelah hasil pretest valid dan reliabel, peneliti memulai penyebaran kuesioner untuk pengambilan data pada 27 November – 31 Desember 2014.
Gambar 3.7 Defining the Target Population
Sumber: Malhotra, 2012:370
3.3.2 Sampling Techniques
Teknik yang digunakan dalam pengambilan sample terdiri dari dua jenis, yaitu probability sampling dan nonprobability sampling. Probability sampling adalah teknik pengambilan sample dimana setiap elemen dari populasi memiliki kesempatan probabilistik tetap yang dipilih untuk menjadi sample. Sedangkan
nonprobability sampling adalah teknik pengambilan sample yang tidak
menggunakan prosedur seleksi kesempatan, tetapi bukan mengandalkan peneliti penilaian pribadi dan atau kenyamanan. (Malhotra, 2012:371). Teknik pengambilan sample yang digunakan oleh peneliti adalah nonprobability sampling yaitu judgemental sampling. Judgemental sampling adalah convenience sampling dimana elemen dari populasi ditentukan oleh syarat dari peneliti atau terdapat berbagai syarat dan judgement untuk menjadi responden (Malhotra, 2012:375).
Time
Sampling
Extent
Responden yang didapatkan dari judgemental sampling harus memenuhi beberapa kriteria diantaranya berusian minimal 17 tahun dan telah memiliki Xiaomi Mi3.
Gambar 3.8 Sampling Techniques
Sumber: Malhotra, 2012:388 3.3.3 Sampling Size
Penentuan jumlah sampel pada penelitian ini mengacu pada pernyataan Hair et al. (2010;522) bahwa penentuan banyaknya sampel sebagai responden harus disesuikan dengan banyaknya jumlah pernyataan pada kuesioner, dengan mengasumsikannya menjadi n x 5. Dalam penelitian ini jumlah pernyataan adalah 29 pernyataan yang digunakan untuk mengukur 6 variabel, sehingga jumlah responden yang harus dikumpulkan adalah 29 pertanyaan dikalikan dengan 5, yaitu menjadi 145 responden atau sampel yang sesuai dengan kriteria.
Sampling Techniques Nonprobability Sampling Probability Sampling Convenienc e Sampling Judgementa lSampling Quota Sampling Snowball Sampling
3.3.5 Sampling Process 3.3.5.1 Sumber Data
Sumber data dalam penelitian ini adalah primary data dan secondary data.
Primary data adalah data yang didapat oleh peneliti secara original (asli) untuk
tujuan tertentu dari masalah penelitian, sedangkan secondary data adalah data yang dikumpulkan dari sumber lain (Malhotra, 2012:127). Primary data yang digunakan dalam penelitian ini adalah kuesioner, sedangkan secondary data yang digunakan dalam penelitian ini adalah informasi yang didapat dari artikel dan internet.
Sebelum menyebarkan kuesioner dalam jumlah yang besar, peneliti membuat pernyataan kuesioner pre-test dan membagikan langsung secara offline kepada responden secara face to face.
3.3.5.2 Prosedur Pengumpulan Data
Pengumpulan data dilakukan dengan cara menyebarkan link kuesioner secara online dengan menggunakan seperti Facebook, dan Kaskus. Pada proses penyebaran, peneliti memasukan link yang dapat terhubung dengan halaman
website yang berisikan kuesioner yang sudah dibuat. Selanjutnya, responden
langsung dapat mengisi jawaban melalui halaman tersebut.
Pada proses pengisian kuesioner, awalnya responden diberikan penjelasan mengenai penelitian yang sedang dilakukan dan petunjuk pengisian kuesioner. Setelah responden memahami tujuan dari penelitian kuesioner, maka responden dapat mengisi kuesioner yang sudah disediakan secara online.
Link kuesioner yang disebarkan oleh peneliti adalah
(https://docs.google.com/forms/d/14QlDZmK74WNFG35aH1xQAyPYq9HOtyUKgitrHd
qUIU/viewform?usp=send_form).
3.3.5.3 Periode
Periode pengerjaan skripsi adalah empat bulan (September 2014 – Januari 2015). Pelaksanaan pretest dilakukan pada tanggal 10 November 2014 – 15 November 2014. Periode pengisian kuesioner dalam jumlah besar dilakukan pada 27 November 2014 – 31 Desember 2014.
3.4 Identifikasi Variabel Penelitian 3.4.1 Variabel Eksogen
Variabel Eksogen selalu muncul sebagai variabel bebas pada semua persamaan yang ada dalam model. Variabel eksogen digambarkan sebagai lingkaran dengan semua anak panah menuju keluar. Notasi matematik dari variabel laten eksogen adalah huruf Yunani ξ (“ksi”) (Wijanto, 2008:10). Variabel Eksogen dalam penelitian ini adalah perceived quality.
Gambar 3.9 Variabel Eksogen Sumber: Wijanto, 2008: 11
Perceived Quality
3.4.2 Variabel Endogen
Variabel Endogen merupakan variabel terikat pada paling sedikit satu persamaan dalam model, meskipun di semua persamaan sisanya variabel tersebut adalah variabel bebas. Notasi matematik dari variabel laten endogen adalah huruf Yunani η (“eta”) (Wijanto, 2008:10). Variabel endogen dalam penelitian ini adalah
perceived value, satisfaction, trust, repurchasae intention, e-WOM.
Gambar 3.10 Variabel Endogen Sumber: Wijanto, 2008: 11 Repurchase intention (η 4) trust (η 3) satisfaction (η 2) Perceived value (η 1) e-WOM (η 5)
3.4.3 Variabel Teramati
Variabel teramati (observed variable) atau varibel terukur (measured
variable) adalah variabel yang dapat diamati atau dapat diukur secara empiris dan
sering disebut indikator. Setiap pertanyaan pada metode survei menggunakan kuesioner mewakili sebuah variabel teramati. Variabel teramati yang berkaitan atau merupakan efek dari variabel laten eksogen (ksi) diberi notasi matematik dengan label X, sedangkan yang berkaitan dengan variabel laten endogen (eta) diberi label Y. Simbol diagram lintasan dari varibel termatai adalah bujur sangkar atau kotak (Wijanto, 2008:11). Variabel teramati dalam penelitian ini adalah 29 indikator.
3.5 Definisi Operasional Variabel Penelitian
Dalam penelitian ini setiap variabel akan diukur dengan indikator-indikator yang sesuai dengan variabel yang bersangkutan agar tidak terjadi kesalahpahaman atau perbedaan persepsi mendefinisikan variabel-variabel yang dianalisis.
64
3.5 Definisi Operasional
Tabel 3.1 Variabel Penelitian dan Definisi Operasional
No Variabel Penelitian Definisi Variabel Penelitian Indikator Measurement Referensi Teknik Penskalaan 1 Perceived Quality Persepsi keseluruhan
konsumen terhadap kualitas terhadap keunggulan dari suatu produk dengan maksud menilai dari kualitas produk tersebut (Keller, 2014)
PQ1 Menurut saya, Smartphone Xiaomi Mi3 merupakan produk yang handal dikelasnya
(Knight dan Kim, 2007)
Likert 1-7
PQ2 Menurut saya, Smartphone Xiaomi Mi3 memiliki kualitas produk yang berteknologi tinggi di kelasnya
(Pappu et al., 2005)
Likert 1-7
PQ3 Menurut saya, Smartphone
Xiaomi Mi3 merupakan produk yang memiliki spesifikasi yang bagus (Seperti: Quad core 2.3 Ghz, Snapdragon 800, Layar IPS 5 inci Full HD 1080p) di kelasnya
(Pappu et al., 2005)
65
No Variabel Penelitian Definisi Variabel Penelitian Indikator Measurement Referensi Teknik Penskalaan PQ4 Menurut saya, Smartphone
Xiaomi Mi3 memiliki bentuk desain yang menarik
(Anselmson, Johansson, dan Persson, 2007)
Likert 1-7
PQ5 Menurut saya smartphone Xiaomi Mi3 memiliki custom
operating system Android
(MIUI) yang bagus
Likert 1-7
2 Perceived Value Penilaian keseluruhan yang dilakukan oleh konsumen terhadap apa yang diterima dan apa yang diberikan (Zeithhaml, 1988 dalam McDougall dan Levesque, 2000)
PV1 Harga Smartphone Xiaomi Mi3 sangat pantas, sesuai dengan fitur-fitur yang ditawarkan
(Mahmoudzadeh, Bakhsandeh, dan iikhechi, 2014)
66
No Variabel Penelitian Definisi Variabel Penelitian Indikator Measurement Referensi Teknik Penskalaan PV2 Saya merasa bahwa uang yang
dikeluarkan untuk membeli Xiaomi Mi3 sebanding dengan yang saya dapatkan.
(Mahmoudzadeh, Bakhsandeh, dan iikhechi, 2014)
Likert 1-7
PV3 Saya merasa bahwa Xiaomi Mi3 memberikan manfaat yang lebih dibandingkan produk lain yang sejenis
(Ryu, Lee, dan Kim, 2012)
Likert 1-7
PV4 Saya merasa bahwa Xiaomi Mi3 menawarkan harga yang lebih murah dibandingkan produk lain dikelasnya
(Spais dan Vasileiou, 2006)
Likert 1-7
PV5 Saya merasa dengan
menggunakan Xiaomi Mi3 saya akan memperoleh kenyamanan yang lebih dalam menggunakan
smartphone(seperti:Kemudahan
pengoperasian user interface)
67
No Variabel Penelitian Definisi Variabel Penelitian Indikator Measurement Referensi Teknik Penskalaan 3 Customer Satisfaction Perasaan senang yang
dihasilkan dari
membandingkan kinerja dari suatu produk yang dirasakan dengan harapan dari konsumen (Oliver, 1980 dalam
bhattacharya, 2013)
CS1 Saya merasa Xiaomi Mi3 merupakan salah satu produk
smartphone terbaik yang
pernah saya miliki
Likert 1-7
CS2 Saya sangat menyukai produk Xiaomi Mi3
(Mahmoudzadeh, Bakhsandeh, dan iikhechi, 2014)
Likert 1-7
CS3 Saya percaya bahwa produk Xiaomi Mi3 dapat memenuhi harapan saya
(Mahmoudzadeh, Bakhsandeh, dan iikhechi, 2014)
Likert 1-7
CS4 Saya senang menggunakan produk Xiaomi Mi3
(Mahmoudzadeh, Bakhsandeh, dan iikhechi, 2014)
68
No Variabel Penelitian Definisi Variabel Penelitian Indikator Measurement Referensi Teknik Penskalaan CS5 Keputusan untuk membeli
produk Xiaomi merupakan keputusan yang sangat tepat
(Huang et al., 2014)
Likert 1-7
4 Trust Sesuatu yang terbentuk ketika salah satu pihak memiliki keyakinan dalam kehandalan atau realibilitas dan integritas dengan partner atau mitra (seperti terkait dengan keyakinan terhadap negara yang memproduksi) dengan pertukarannya (Morgan dan Hunt, 1994)
TRU1 Saya yakin meskipun Xiaomi Mi3 produk dari Cina namun memiliki kualitas yang baik
(Chiu et al., 2008) Likert 1-7
TRU2 Saya yakin meskipun Xiaomi Mi3 merupakan produk dari Cina Xiaomi peduli kepada konsumennya (Seperti:Update
Custom Operating System
MIUI secara berkala)
(Chiu et al., 2008) Likert 1-7
TRU3 Saya yakin meskipun Xiaomi Mi3 merupakan produk dari Cina saya tetap akan
mendapatkan pengalaman yang baik dalam menggunakan produknya
(Mahmoudzadeh, Bakhsandeh, dan iikhechi, 2014)
69
No Variabel Penelitian Definisi Variabel Penelitian Indikator Measurement Referensi Teknik Penskalaan TRU4 Saya yakin meskipun Xiaomi
Mi3 merupakan produk Cina tetap menggunakan bahan material yang bagus di setiap produknya
(Chiu et al., 2008) Likert 1-7
TRU5 Saya yakin meskipun Xiaomi Mi3 merupakan produk dari cina namun memiliki
keunggulan di setiap produknya
Crosby et al. (1990); Gefen (2000); Gefen et al. (2003) Likert 1-7
5 Repurchase intention Keinginan konsumen untuk membeli produk dan merek yang sama lagi (Blackwell, Miniard, dan Engel, 2006).
REP1 Saya berencana untuk membeli kembali produk smartphone Xiaomi terbaru, yaitu
smartphone Xiaomi Mi4 di
waktu yang akan datang
Parasuraman, 2005; Pavlou dan Fygenson, 2006)
Likert 1-7
REP2 Jika saya membutuhkan
smartphone baru, saya pasti
akan membeli Xiaomi Mi4
Parasuraman, 2005; Pavlou dan Fygenson, 2006)
Likert 1-7
70
No Variabel Penelitian Definisi Variabel Penelitian Indikator Measurement Referensi Teknik Penskalaan
smartphone Xiaomi Mi4
dibandingkan produk sejenis lainnya
REP4 Saya berencana tetap membeli Xiaomi Mi4 meskipun harga mengalami kenaikan
(Molinari, Abratt, Dion, 2008)
Likert 1-7
REP5 Saya percaya bahwa saya akan terus menggunakan produk Xiaomi di waktu yang akan datang
(Molinari, Abratt, Dion, 2008)
Likert 1-7
6 Positive e-WOM Pernyataan positif yang dibuat oleh konsumen yang
berpotensial, aktual tentang suatu produk dengan melalui internet. (Hennig Thurau et al., 2004 dalam Chu dan Kim 2011)
EWOM1 Saya akan merekomendasikan
smartphone Xiaomi mi4
kepada orang lain
(Molinari, Abratt, Dion, 2008)
Likert 1-7
EWOM2 Saya akan mengatakan hal positif tentang smartphone Xiaomi Mi4 kepada orang lain dengan menggunakan media Internet
(Molinari, Abratt, Dion, 2008)
71
No Variabel Penelitian Definisi Variabel Penelitian Indikator Measurement Referensi Teknik Penskalaan EWOM3 Saya akan lebih sering
membicarakan hal positif dengan menggunakan media internet tentang Xiaomi Mi4 dibandingkan dengan produk lain yang sejenis
(Meyer dan Petzer, 2014)
Likert 1-7
EWOM4 Ketika orang bertanya tentang
smartphone Xiaomi Mi4 di
media Internet, saya akan mengatakan hal yang baik tentang Xiaomi mi4
3.6 Uji Instrument Pre-test
Peneliti melakukan pre-test secara offline yaitu dengan membagikan kuesioner fisik kepada 30 responden. Uji instrumen ini dilakukan dengan bantuan SPSS versi 19. Data pre-test yang telah dikumpulkan kemudian diuji validitas dan reliabilitasnya.
3.6.1 Uji Validitas
Uji validitas dilakukan untuk mengetahui sah atau valid tidaknya suatu pertanyaan indikator dalam kuesioner. Suatu indikator dikatakan valid jika pernyataan pada kuesioner mampu mengungkapkan sesuatu yang diukur oleh kuesioner tersebut. Sehingga, semakin tinggi validitas, maka semakin menggambarkan tingkat sah nya sebuah penelitian. Jadi, validitas mengukur apakah pertanyaan dalam kuesioner yang sudah kita buat benar-benar dapat mengukur apa yang hendak kita ukur. Dalam penelitian ini uji validitas dilakukan dengan cara uji factor analysis. (Malhotra, 2012:318).
Adapun ringkasan uji validitas dan pemeriksaan validitas, secara lebih rinci ditunjukkan pada tabel 3.2
Tabel 3.2 Uji Validitas
No. Ukuran Validitas Nilai Diinsyaratkan
1
Kaiser Meyer-Olkin (KMO) Measure of Sampling Adequacy, merupakan
sebuah indeks yang digunakan untuk menguji kecocokan model analisis.
Nilai KMO ≥ 0.5 mengindikasikan bahwa analisis faktor telah memadai, sedangkan nilai KMO < 0.5 mengindikasikan analisis faktor tidak memadai.
2 Bartlett’s Test of Sphericity, merupakan uji statistik yang
Jika hasil uji nilai signifikan ≤ 0.05 menunjukkan hubungan yang
No. Ukuran Validitas Nilai Diinsyaratkan digunakan untuk menguji hipotesis
bahwa variabel-variabel tidak berkorelasi pada populasi. Dengan kata lain, mengindikasikan bahwa matriks korelasi adalah matriks identitas, yang mengindikasikan bahwa variabel-variabel dalam faktor bersifat related (r = 1) atau unrelated (r = 0).
signifikan antara variabel dan merupakan nilai yang diharapkan.
3
Anti Image Matrices, untuk memprediksi apakah suatu variabel memiliki kesalahan terhadap variabel lain.
Memperhatikan nilai Measure of
Sampling Adequacy (MSA) pada
diagonal anti image correlation. Nilai MSA berkisar antara 0 sampai dengan 1 dengan kriteria :
Nilai MSA = 1, menandakan bahwa variabel dapat diprediksi tanpa kesalahan oleh variabel lain.
Nilai MSA ≥ 0.50 menandakan bahwa variabel masih dapat diprediksi dan dapat dianalisis lebih lanjut.
Nilai MSA ≤ 0.50 menandakan bahwa variabel tidak dapat dianalisis lebih lanjut. Perlu dikatakan pengulangan perhitungan analisis faktor dengan mengeluarkan indikator yang memiliki nilai MSA ≤ 0.50.
4
Factor Loading of Component Matrix,
merupakan besarnya korelasi suatu indikator dengan faktor yang terbentuk. Tujuannya untuk menentukan validitas setiap indikator dalam mengkonstruk setiap variabel.
Kriteria validitas suatu indikator itu dikatakan valid membentuk suatu faktor, jika memiliki factor loading sebesar 0.50
3.6.2 Uji Reliabilitas
Uji reliabilitas dilakukan untuk mengetahui tingkat konsistensi dari sebuah penelitian. Reliabilitas merupakan suatu alat ukur untuk mengukur suatu kuesioner yang merupakan indikator dari variabel atau konstruk. (Malhotra, 2012:317). Tingkat konsistensi dari jawaban pada sebuah pertanyaan dapat dilihat melalui Cronbach
Alpha. Cronbach Alpha merupakan alat ukur untuk mengukur korelasi antar jawaban
pernyataan dari suatu konstruk atau variabel. Suatu variabel dinyatakan reliabel, jika
cronbach alpha nilanya lebih dari 0.7 (Hair et al., 2010:125).
3.7 Teknik Analisis Data
Pada penelitian ini, peneliti menggunakan SEM (Structural Equation Model) untuk menganalisis data. SEM dipilih karena dapat mengukur hubungan struktural antar beberapa variabel laten. Salah satu program yang dapat digunakan untuk menjalankan SEM adalah AMOS. AMOS mampu menggambarkan dan mengukur hubungan-hubungan antar variabel secara bersamaan melalui path diagram.
3.7.1 Structural Equation Modeling (SEM)
Structural Equation Modeling adalah model statistik yang digunakan untuk
menjelaskan hubungan antara multiple variables (Hair et al., 2010:616). Teori dan model dalam ilmu sosial dan perilaku biasanya diformulasikan menggunakan konsep-konsep teoritis atau konstruk yang tidak dapat diukur atau diamati secara langsung, sehingga menimbulkan dua permasalahan dasar yang berhubungan dalam pembuatan
kesimpulan ilmiah yaitu masalah pengukuran dan masalah hubungan kausal antar variabel. Isi sebuah model SEM terdiri dari:
1. Variabel Laten dan Variabel Teramati 2. Model Struktural dan Model Pengukuran
3. Terdapat dua jenis kesalahan yaitu kesalahan struktural dan pengukuran
3.7.2 Tahap dalam Prosedur SEM
Penelitian ini menggunakan model pengukuran Confirmatory Factor Analysis (CFA). Analisis faktor dalam CFA, sedikit berbeda dengan analisis faktor yang digunakan pada exploratory factor analysis model (EFA). Adapun prosedur dalam CFA yang membedakan dengan exploratory factor analysis (EFA) adalah model penelitian dibentuk terlebih dahulu, jumlah variabel ditentukan oleh analisis, pengaruh suatu variabel laten terhadap variabel indikator dapat ditetapkan sama dengan nol atau suatu konstanta, kesalahan pengukuran boleh berkorelasi, kovarian variabel-variabel laten dapat diestimasi atau ditetapkan pada nilai tertentu dan identifikasi parameter diperlukan. Sedangkan pada EFA, model rinci menunjukan hubungan antara variabel laten dan variabel teramati tidak dispesifikasikan terlebih dahulu, jumlah variabel laten tidak ditentukan sebelum analisis dilakukan, semua variabel laten diasumsikan mempengaruhi semua variabel teramati dan kesalahan pengukuran tidak boleh berkorelasi. (Wijanto, 2008:25).
3.7.3 Identifikasi
Sebelum melakukan estimasi dari model yang akan diteliti, perlu dilakukan pemeriksaan identifikasi dari model yang akan diteliti. Terdapat 3 kategori identifikasi menurut Wijanto (2008:39), Hair et al., (2010:676), yaitu :
3.7.3.1 Under Indentified
Under Identified merupakan model dengan jumlah parameter yang diestimasi
lebih besar dari jumlah data yang diketahui. Pada SEM, model dikatakan under
identified jika degree of freedom adalah negatif (Wijanto, 2008:39). Jika model
menunjukkan under indetified maka estimasi dan penilaian model tidak perlu dilakukan.
3.7.3.2 Just Identified
Just Identified merupakan model dengan jumlah parameter yang diestimasi
sama dengan data yang diketahui. Pada SEM, model dikatakan just identified jika
degree of freedom adalah 0 (Wijanto, 2008:40). Jika model menunjukkan just identified, maka estimasi dan penilaian model tidak perlu dilakukan.
3.7.3.3 Over Identified
Over Identified merupakan model dengan jumlah parameter yang diestimasi
lebih kecil dari jumlah data yang diketahui. Pada SEM, model dikatakan over identified jika degree of freedom adalah positif (Wijanto, 2008:40). Ketika model over identified, maka estimasi dan penilaian dapat dilakukan.
Degree of freedom dapat dihitung dengan cara jumlah data yang diketahui
dikurangi jumlah parameter yang diestimasi. Pada penelitian ini, hasil degree of
freedom adalah 369. Dikarenakan degree of freedom positif, maka model penelitian ini
adalah over identified sehingga estimasi dan penilaian dapat dilakukan.
3.7.4 Estimasi
Estimasi dilakukan untuk memperoleh nilai dari parameter-parameter yang ada di dalam model. Untuk mengetahui kapan estimasi sudah cukup baik, maka diperlukan fungsi yang diminimaliskan melalui estimator maximum likehood. Bentler dan Chou dalam Wijanto (2008:46), menyarankan bahwa paling rendah rasio 5 responden per variabel teramati. Berdasarkan pernyataan di atas maka ukuran sampel yang diperlukan untuk estimasi maximum likehood adalah minimal 5 responden untuk setiap variabel teramati yang ada di dalam model. Dalam penelitian ini terdapat 29 variabel teramati, maka diperlukan minimal 145 responden untuk estimasi maximum likehood.
3.7.4.1 Uji Kecocokan
Pada uji kecocokan, peneliti memeriksa tingkat kecocokan antara data dengan model. Evaluasi terhadap tingkat kecocokan data dengan model dilakukan melalui beberapa tahapan (Wijanto, 2008:49), yaitu:
1. Kecocokan keseluruhan model (Overall model fit) 2. Kecocokan model pengukuran (Measuremenet model fit) 3. Kecocokan model struktural (Stuctural model fit)
3.7.4.2 Kecocokan Keseluruhan Model (Overall model fit)
Tahap pertama dari uji kecocokan ini ditujukan untuk mengevaluasi secara umum derajat kecocokan atau Goodness of fit (GOF) antara data dengan model. Menilai GOF suatu SEM secara menyeluruh (overall) tidak memiliki satu uji statistik terbaik yang dapat menjelaskan kekuatan prediksi model. Sebagai gantinya, para peneliti telah mengembangkan beberapa ukuran GOF yang dapat digunakan secara bersama-sama atau kombinasi (Wijanto, 2008:49).
Pengukuran secara kombinasi tersebut dapat dimanfaatkan untuk menilai kecocokan model dari tiga sudut pandang yaitu overall fit (kecocokan keseluruhan), comparative
fit base model (kecocokan komparatif terhadap model dasar), dan parsimony model
(model parsimoni). Berdasarkan hal tersebut, Hait et al (2010), kemudian mengelompokkan GOF yang ada menjadi tiga bagian yaitu absolute fit measure (ukuran kecocokan mutlak), incremental fit measure (ukuran kecocokan incremental), dan parsimonius fit measure (ukuran kecocokan parsimoni) (Wijanto, 2008:51).
Absolute fit measure (ukuran kecocokan mutlak) digunakan untuk menentukan derajat
prediksi model keseluruhan (model struktural dan pengukuran) terhadap matriks korelasi dan kovarian, incremental fit measure (ukuran kecocokan incremental) digunakan untuk membandingkan model yang diusulkan dengan model dasar (baseline
model) yang sering disebut null model (model dengan semua korelasi di antara variabel
nol) dan parsimonius fit measure (ukuran kecocokan parsimoni) yaitu model dengan parameter relatif sedikit dan degree of freedom relatif banyak (Wijanto, 2008).
Adapun ringkasan uji kecocokan dan pemeriksaan kecocokan secara lebih rinci ditunjukan pada tabel 3.3.
Tabel 3.3 Perbandingan Ukuran Kecocokan Goodness of Fit (GOF) Absolute UkuranGoodness of Fit (GOF) Tingkat Kecocokan yang
Bisa Diterima
Kriteria Uji Absolute Fit Measure
Statistic Chi –Square
(X2)
P
Nilai yang kecil
p > 0.05 Good Fit
Non-Centraly Parameter (NCP) Nilai yang kecil
Interval yang sempit Good Fit
Goodness-of-Fit Index (GFI) GFI ≥ 0.90 Good Fit
0.80 ≤ GFI ≤ 0.90 Marginal
Fit
GFI ≤ 0.80 Poor Fit
Standardized Root Mean Square Residual(SRMR)
SRMR ≤ 0.05 Good Fit SRMR ≥ 0.05 Poor Fit
Root Mean Square Error of Approximation (RMSEA)
RMSEA ≤ 0.08 Good Fit 0.08 ≤ RMSEA ≤ 0.10 Marginal
Fit
RMSEA ≥ 0.10 Poor Fit
Expected Cross-Validation Index
(ECVI)
Nilai yang kecil dan dekat
dengan nilai ECVI saturated Good Fit Sumber: Wijanto, 2008:61
Tabel 3.4 Perbandingan Ukuran Kecocokan Goodness of Fit (GOF) incremental
UkuranGoodness of Fit (GOF)
Tingkat Kecocokan yang Bisa Diterima
Kriteria Uji
Incremental Fit Measure Tucker- Lewis Index atau
Non-Normsed Fit Index (TLI
atau NNFI)
NNFI ≥ 0.90 Good Fit
0.80 ≤ NNFI ≤ 0.90 Marginal Fit
NNFI ≤ 0.80 Poor Fit
Normsed Fit Index (NFI) NFI ≥ 0.90 Good Fit
0.80 ≤ NFI ≤ 0.90 Marginal Fit
NFI ≤ 0.80 Poor Fit Adjusted Goodness-of-Fit
Index (AGFI)
AGFI ≥ 0.90 Good Fit
0.80 ≤ AGFI ≤ 0.90 Marginal Fit
AGFI ≤ 0.80 Poor Fit
Relative Fit Index (RFI) RFI ≥ 0.90 Good Fit
0.80 ≤ RFI ≤ 0.90 Marginal Fit
RFI ≤ 0.80 Poor Fit Incremental Fit Index (IFI) IFI ≥ 0.90 Good Fit
0.80 ≤ IFI ≤ 0.90 Marginal Fit
IFI ≤ 0.80 Poor Fit Comperative Fit Index (CFI) CFI ≥ 0.90 Good Fit
UkuranGoodness of Fit (GOF)
Tingkat Kecocokan yang Bisa Diterima
Kriteria Uji
Incremental Fit Measure
0.80 ≤ CFI ≤ 0.90 Marginal Fit
CFI ≤ 0.80 Poor Fit
Sumber: Wijanto, 2008:62
Tabel 3.5 Perbandingan Ukuran Kecocokan Goodness of Fit (GOF) Parsimonius UkuranGoodness of Fit (GOF) Tingkat Kecocokan yang
Bisa Diterima
Kriteria Uji Parsimonius Fit Measure
Parsimonius Goodness of Fit Index
(PGFI)
PGVI ≥ 0.50 Good Fit Akaike Information Criterion (AIC)
Nilai yang kecil dan dekat dengan nilai AIC saturated
Good Fit
Consistent Akaike Information Criterion (CAIC)
Nilai yang kecil dan dekat dengan nilai CAIC saturated
Good Fit
Sumber: Wijanto, 2008:62
3.7.4.3 Kecocokan Model Pengukuran
Setelah kecocokan model dan data secara keseluruhan adalah baik, maka langkah berikutnya adalah melakukan evaluasi atau uji kecocokan model pengukuran. Uji kecocokan model pengukuran akan dilakukan terhadap setiap hubungan antara
sebuah variabel laten dengan beberapa variabel teramati / indikator melalui evaluasi terhadap validitas dan evaluasi terhadap reliabilitas (Wijanto, 2008:64).
a. Evaluasi terhadap validitas (validity)
Suatu variabel dikatakan mempunyai validitas yang baik terhadap konstruk atau variabel latennya, jika:
1. Nilai t muatam faktor (loading factor) lebih besar dari nilai kritis (≥ 1.96) 2. Muatan faktor standarnya (standardized factor loading) ≥ 0.70.
b. Evaluasi terhadap reliabilitas (reliability)
Relibilitas tinggi menunjukkan bahwa indikator-indikator mempunyai konsistensi yang tinggi dalam menukur konstruk latennya. Terdapat dua cara untuk mengukur reliabilitas dalam SEM dapat menggunakan ukuran reliabilitas komposit (composite reliability measure), dan ukuran ekstrak varian (variance
extracted measure) dengan perhitungan sebagai berikut: (Wijanto, 2008:65)
𝑪𝒐𝒏𝒔𝒕𝒓𝒖𝒄𝒕 𝑹𝒆𝒍𝒊𝒂𝒃𝒊𝒍𝒊𝒕𝒚 = (∑ 𝒔𝒕𝒅. 𝒍𝒐𝒂𝒅𝒊𝒏𝒈) 𝟐 (∑ 𝒔𝒕𝒅. 𝒍𝒐𝒂𝒅𝒊𝒏𝒈)𝟐+ ∑ 𝒆 𝑽𝒂𝒓𝒊𝒂𝒏𝒄𝒆 𝑬𝒙𝒕𝒓𝒂𝒄𝒕𝒆𝒅 = ∑ 𝒔𝒕𝒅. 𝒍𝒐𝒂𝒅𝒊𝒏𝒈 𝟐 ∑ 𝒔𝒕𝒅. 𝒍𝒐𝒂𝒅𝒊𝒏𝒈𝟐+ ∑ 𝒆
Reliabilitas konstruk dinyatakan baik apabila nilai construct reliability (CR) ≥ 0.70 dan nilai variance extracted (AVE) ≥ 0.50 (Hair et al., 1998 dalam Wijanto, 2008:66).
3.7.4.4 Kecocokan Model Struktural
Evaluasi atau analisis terhadap model struktural yang mencakup pemeriksaan terhadap signifikansi koefisien-koefisien yang diestimasi, sehingga peneliti bisa mengetahui signifikasi koefisien yang mewakili hubungan kausal yang dihipotesiskan. tingkat signifikansi, lazimnya memiliki nilai =0,05 (Wijanto, 2008:66).
Berikut adalah gambar model struktural
Gambar3.11 Structural Model Sumber: Pengolahan data primer 2015
